<<
>>

3.10 Метод разграничения поверхностных вод разного происхождения и выделения аномальных зон по совокупности результатов измерений, полученных с помощью СПК по разным показателям.

Обнаружение и оконтуривание аномалий в водной среде - одна из важнейших задач экологического контроля.

При использовании традиционных методов контроля эта задача практически не имела решения, т.к.

на основании результатов анализа единичных проб, полученных спустя продолжительное время (отбор проб, их транспортировка в аналитическую лабораторию, анализ), в условиях быстроменяющейся гидрологической ситуации можно было вести речь лишь о каком-либо отклонении от нормы в прошедший момент времени.

Решение этой задачи в реальном масштабе времени в полном объеме, т.е. с учетом двух составляющих - обнаружения и оконтуривания экологической аномалии, стало возможным только с появлением СПК, одной из отличительных особенностей которых является возможность одновременно определять в реальном масштабе времени вдоль траектории движения судна большое число показателей состава и свойств воды.

Разработанный метод предназначен для агрегирования результатов измерений по совокупности различных измерительных каналов и обеспечивает за счет этого повышение эффективности обнаружения и оконтуривания аномалий в водной среде.

fr,

Рис. 3.8. Вид функции интерполяции при разных значениях

показателя степени m

Вхождение в факел водосброса или в общем случае любая смена типа воды, как правило, фиксируется по большинству измерительных каналов CΓΠ h принимается решение, что это вода притока, в случае Qj(x) < h - вода основной реки. В случае Q∣(x)~h, имеет место зона смешения вод.

Использование статистики Qι(x) возможно в тех случаях, когда можно получить информацию о распределении pj(x) для обоих рассматриваемых классов воды. Однако практически весьма часто имеют место случаи, когда

распределение одного класса p0(χ) - фоновое распределение, может быть

* определено, а параметры распределения другого класса неизвестны.

Эта

задача возникает, например, при поиске и выделении факела водосброса, когда о параметрах воды в водосбросе априори ничего не известно. В этом случае, когда имеет место так называемая априорная неопределенность, теория статистических решений предлагает метод, позволяющий зафиксировать любые значимые отклонения измеряемых характеристик воды от фоновых значений. Метод сводится к оценке для измеренного вектора х вероятности его появления при фоновом распределении p0(x)∙ Если эта

,ifc вероятность меньше определенного порога, то принимается решение об

отклонении от фонового распределения, то есть об обнаружении воды другого происхождения или аномалии.

Обычно для упрощения выкладок вычисляется не сама величина вероятности, а ее натуральный логарифм, взятый с обратным знаком. Так, например, при нормальных распределениях признаков, определяемых плотностью вероятности (3.10.3), рассматриваемый метод сводится к вычислению по измеренным параметрам статистики:

Q(x} = (x-μ)∙∑^, -(x-μ)' , (3.10.7)

где μ и ∑ - параметры фонового распределения.

Если использовать для распределения выражение (3.10.4), то статистика Q может быть записана в виде:

= λn >0, причем

значения собственных чисел λ являются корнями характеристического уравнения для матрицы Σ,

]∑~λl∣ = θ (3.11.4)

'*

г-й компонент вектора U может быть представлен в виде UrwX, (3.11.5)

где ß(2) - г-й столбец матрицы В.

ß(2) удовлетворяет уравнению

(∑-λrΓ)β = O (3.11.6)

и имеет наибольшую дисперсию среди всех нормированных линейных комбинаций, некоррелированных с Uj ... Ur.1.

Метод главных компонент неоднократно применялся при анализе результатов измерений на различных акваториях. Так, например, этот метод использовался при анализе данных, полученных с помощью СПК в Северном Каспии, и позволил выделить два основных фактора, определяющих свойства и состав вод акватории - смешение вод Волги и Каспийского моря и суточный ход параметров, связанный с высокой биологической продуктивностью моря (см.

раздел 4.3). Использование метода главных компонент при анализе корреляционной матрицы, характеризующей загрязнение Финского залива тяжелыми металлами, позволило выделить две отдельные группы металлов - загрязняющих веществ, имеющих различные источники загрязнения (см. раздел 4.2.4).

3.12 Метод обнаружения экологических аномалий техногенного происхождения и классификации типа их источников с использованием возможностей СПК.

Использование мобильных многоканальных автоматизированных СПК открывает новые возможности при решении актуальных задач, связанных с контролем экологического состояния водной среды, в сравнении с традиционным методом отбора проб и последующего лабораторного анализа. Одной из таких задач является обнаружение экологических аномалий техногенного происхождения и классификация типа источника - мобильный или стационарный непосредственно в контролируемой акватории. Задача и предлагаемый метод решения состоят в следующем.

Для оперативного выявления в режиме патрулирования природоохранного судна, оснащенного СПК, несанкционированных сбросов загрязняющих веществ в водную среду и предотвращения возможных негативных экологических последствий необходимо определить наличие области превышения предельно допустимых концентраций по одному или нескольким контролируемым показателям - экологическую аномалию (ЭА), и классифицировать ее источник.

В открытых акваториях в зонах интенсивного судоходства, где сконцентрирован большой поток судов, источником ЭА может быть как стационарный источник, так и прошедшее судно. Оператор СПК после выявления ЭА должен классифицировать тип источника аномалии, чтобы оперативно принять меры по уменьшению негативных экологических последствий.

В случае стационарного источника оператор комплекса может использовать входящую в состав СПК аппаратуру дистанционного контроля (телеуправляемый подводный аппарат, комплекс ультразвукового зондирования) для выявления точного места расположения источника и документирования факта несанкционированного сброса ЗВ для принятия соответствующих мер.

В случае подвижного источника требуется

определить и задержать судно-загрязнитель, чтобы предотвратить tf, дальнейший бесконтрольный сброс ЗВ. Проблема поиска и выявления

источников загрязнения особенно актуальна при работе природоохранных судов, оснащенных СПК, в насыщенных различными портами и терминалами

акваториях, таких как Финский залив и Балтийское море.

Учитывая большое количество одновременно измеряемых СПК

параметров водной среды (более 20-ти параметров по каждому из 2-х горизонтов), необходимо выбрать некоторую интегральную индикаторную характеристику, с одной стороны, достаточно чувствительную к появлению в

Ä водной среде ЗВ различных классов, с другой стороны, регистрируемую

малоинерционным датчиком in situ, что позволит автоматизировать выявление ЭА. Практика использования СПК в различных регионах и акваториях России показала, что в качестве такой характеристики можно использовать удельную электрическую проводимость (УЭП), так как этот показатель зависит как от температуры и солености водной среды, так и от ее химического состава. Кроме того, средства измерения УЭП имеют меньшую инерционность по сравнению с другими измерительными средствами СПК.

Для измерения УЭП в СПК применяются соответствующие преобразователи. Преобразователь УЭП позволяет получать как низкочастотную (НЧ) составляющую флуктуаций УЭП, так и высокочастотную (ВЧ) составляющую.

При патрулировании акватории судно экологического контроля может пересекать различные области ЭА. При пересечении области ЭА с выхода преобразователя УЭП в систему обработки информации СПК поступают низкочастотная и высокочастотная составляющие сигнала. Предлагаемый метод решения задачи обнаружения и классификации экологических аномалий техногенного происхождения по полю УЭП предусматривает два

'• этапа: первоначальное обнаружение ЭА и классификация ЭА по типу их

источника, на каждом из которых используются разные составляющие сигнала УЭП.

Рассмотрим более подробно первую задачу. На этапе поиска для •р первоначального выявления ЭА производится обработка НЧ составляющей с

целью автоматического обнаружения ЭА, порожденных различными источниками. Как показано в [140, 141], распределение концентрации пассивных примесей (ЗВ) в водной среде может быть описано гауссовой кривой. В свою очередь, как показали проведенные исследования [103, 35], НЧ составляющая представляет собой гауссов случайный сигнал, математическое ожидание (МО) S(t) которого в области ЭА также может

быть описано на интервале наблюдения f∈ [-Γ,7] гауссовой кривой:

» S(t)≈ A∙e'a,1 , (3.12.1)

где параметр А - характеризует «амплитуду» ЭА, а параметр а- характеризует масштаб ЭА (пространственный размер). В качестве примера на рис. 3.9 приведен характерный вид НЧ составляющей сигнала преобразователя УЭП в области ЭА, протяженностью порядка 100 м. Спектральная плотность мощности (СПМ) НЧ составляющей сигнала (Φ(ω,σ)) описывается выражением вида:

Φ(ω,σ)^ ≥Zl.-> , (3.12.2)

> 0λ,

k⅜J

где ω0=2∙π∕cp ,∕φ =0.15 Гц - частота среза;

σ - среднеквадратическое отклонение фоновых флуктуаций УЭП.

Параметры А и а зависят от геометрических размеров источника загрязнения, гидрологических условий (ГУ) акватории, скорости истечения ЗВ [140, 141] и, в общем случае, априорно неизвестны. Однако, при проведении конкретных видов работ с использованием СПК (например поиск

* точечных источников загрязнения) требуется обнаруживать ЭА

определенных размеров [39], что позволяет определиться со значением

параметра а. Значение параметра σ также зависит от ГУ и априорно неизвестно. Таким образом, задача автоматического обнаружения ЭА различной природы сводится к задаче обнаружения детерминированной составляющей известной формы и неизвестной амплитуды (см. выражение (3.12.1)) на фоне гауссового случайного сигнала неизвестной мощности. Рассматриваемая задача обнаружения относится к классу задач с априорной параметрической неопределенностью. К настоящему времени разработаны различные критерии синтеза алгоритмов обнаружения и классификации в условиях априорной параметрической неопределенности [142,143]. При этом в [142] указывается на возможность использования так называемых асимптотически подобных критериев, применение которых позволяет избежать существенных затруднений при синтезе. В нашем случае для обнаружения детерминированной составляющей S(t) известной формы и неизвестной амплитуды на фоне случайного гауссова сигнала со СПМ Φ(ω,σ) был применен асимптотически подобный С(ог)-критерий [142], где в качестве значений неизвестных параметров подставлены их √T- состоятельные оценки по предыдущему фоновому интервалу наблюдения [144]. Синтез алгоритма по С(«)-критерию в этом случае сводится к определению структуры согласованного фильтра, через который пропускается исходный сигнал — НЧ составляющая сигнала преобразователя УЭП. После прохождения сигнала через согласованный фильтр производится его интегрирование. Полученная таким образом случайная величина представляет собой предпороговую статистику. С учетом указанных преобразований предпороговая статистика Λ{x(f)} алгоритма обнаружения ЭА имеет следующий вид [103, 35]:

2∙σ ∙tt⅛ _■>

-T≤t≤T, Т=3-

(3.12.3)

Рис. 3.9. Вид НЧ составляющей сигнала преобразователя УЭП

Рис. 3.10. Рабочая характеристика обнаружителя

Cm3∕m

^СПМвЗТВ
X

«

«

у • -

«

CΠMdxwofax ••

флуктуаций УЭП ιr,

Рис. 3.11. Спектральная плотность мощности ВЧ составляющей сигнала преобразователя УЭП

ä»

Вычислительна*

Заданим значение

аероятностп ¾p¾C⅛na⅛∣Hfl

НЧ

Оценки параметров

по предыдущему фоновому интервалу

Расчет порога I |

вч

Заданное значение

MpOFTUOCTJi

срабатываний

Оценки параметров ти предыдущему фоновому интервалу

I Вычисление статистик» (2) | Г Вычисление статистики (3) |

■_________ I ------------------------------------- ----------------------------

-, Сравнение статистики (2) Πρe>umeHHe Сравнение статистики (3)
споротом 1 порога 2 о порогом 2

Запуск апларшуры

Превышение порога 1

Превышение порога і

Коор инаты.

Определение

траектории

движения

Аппаратура гидрохимического

«налог

• Концентрации ЗВ”

Параметры движения , суднадагрпвдпеля

Определение

направленая

Выход

на подвижный источник

Выход

на неподвижный источник

Комплекс

ультразвукового

зондирования

Рис. 3.12. Структура алгоритма обнаружителя ЭА и классификации их источников

где x(t) — реализация НЧ составляющей сигнала преобразователя УЭП на интервале наблюдения, а в качестве значения неизвестного параметра σ2 используется его √f-состоятельная оценка.

Таким образом, обнаружение ЭА сводится к вычислению предпороговой статистики (3.12,3) и последующему ее сравнению с некоторым перестраивающимся порогом Значение порога убудет определяться заданным уровнем ложных срабатываний алгоритма и оценкой параметра σ5. Результаты исследования эффективности синтезированного алгоритма приведены на рис. 3.10, где Pπo -вероятность правильного обнаружения ЭА, ad- параметр, полностью характеризующий эффективность синтезированного алгоритма [143].

Перейдем теперь к решению второй задачи. Как было указано ранее, ЭА может порождаться как неподвижным, так и подвижным источником. Поэтому, одновременно с обнаружением ЭА по НЧ составляющей сигнала преобразователя УЭП, необходимо определить тип источника, Рассмотрим подробнее случай, когда ЭА порождена подвижным источником. Например, зачастую на практике баржи с отходами, транспортируемыми в район свалок в открытых акваториях, имеют в днище неплотно закрытые створки и по ходу движения постепенно сбрасывают ЗВ, которые попадают в зону турбулентных возмущений (ЗТВ), остающихся после прохода баржи. В этом случае выявление ЗТВ может служить классификационным признаком при определении типа источника загрязнения. Как показали проведенные исследования, ЗТВ может быть выявлена по мелкомасштабным флуктуациям (пульсациям) УЭП. При этом основой для решения задачи выявления ЗТВ могут служить различия в СПМ высокочастотной составляющей сигналов преобразователя УЭП в области ЗТВ и в прилежащей невозмущенной области. В качестве примера на рис. 3.11 приведены оценки СПМ ВЧ составляющей для ЗТВ и прилежащей невозмущенной области. Результаты исследований особенностей пульсаций скалярных полей (см. например

[141]), а также анализ натурного материала, полученного в различных r акваториях с применением СПК типа «Акватория» и «Гвоздь» в период 1995-

2002 г.г., установленных на различных судах-носителях, показали, что ВЧ составляющую сигнала преобразователя УЭП можно рассматривать как стационарный на интервале времени 0;Т гауссов случайный процесс с нулевым средним и СПМ вида;

в области с фоновым уровнем флуктуаций

Sj,(f) = A(f)∙Ωp(J")+Nit (3.12.4)

⅛(∕) = Λ(Z)-Ω,.0√∕∕oy2+JV,

в области с повышенным уровнем флуктуаций УЭП:

5e(∕) = Λ∕)∙Ωc(∕)+y,,

(3.12.5)

Ωc(∕) = Λ(∕)∙

+ Λ∏

где Л (fi - амплитудно-частотная характеристика (АЧХ) соответствующего тракта получения информации от преобразователя УЭП;

N и Ni - интенсивность шумов аппаратуры, трактов передачи информации, АЦП и т.п.;

Λr(∕) - «пространственная» АЧХ, которая описывает влияние

осреднения датчиком пульсаций поля УЭП;

параметр Ω,,o - зависит от ГУ акватории и априорно неизвестен, параметр Ωc0- зависит от характеристик источника загрязнения и

априорно неизвестен;

fi = 1 Гц, г fi - частота, характеризующая переход из инерционно- (р конвективного в диссипативный диапазон масштабов.

Таким образом, задача классификации ЭА сводится к различению двух случайных сигналов неизвестной мощности, отличающихся формами СПМ. Решение указанной задачи, в соответствии с [145] в условиях априорной неопределенности, может быть осуществлено на основе вычисления квадратичного функционала вида:

».

λ⅛w)= f¾ω∙

Но(Л =

т

∫x(O∙e^'w'fΛ

■о

Sc(f)∙S,(f) ’

2

df

(3.12.6)

где в качестве значений неизвестных параметров Ωc0 и Ωfo приводятся их оценки максимального правдоподобия [143] на предыдущем интервале, и последующего сравнения значения квадратичного функционала (3.12.6) с порогом γ2. Значение порога χ2 будет определяться заданным уровнем ложных срабатываний алгоритма и оценками параметров Ωt0 и Ωro. При

этом эффективность выделения ЗТВ однозначно определяется из соотношений [145]:

Pd ≈ 0.5-erf(-^ ) и Р, = 0.5-ег/(--Л

2-Dλ,∙

2D

Л/7

) (3.12.7)

00

где ff⅛≈τ∙ ∫¾(∕).S,i(f)df,

D„ »2T ∫∣¾(∕)∙5,(∕)∣j⅛-,

<< | >>
Источник: Гуральник Дмитрии Леонтьевич. Создание и Внедрение В практику экологического контроля и мониторинга судовых природоохранных комплексов [Электронный ресурс]: Дис. ... д-ра техн. наук : 03.00.16, 05.11.13 .-М.: РГБ, 2005. 2005

Скачать оригинал источника

Еще по теме 3.10 Метод разграничения поверхностных вод разного происхождения и выделения аномальных зон по совокупности результатов измерений, полученных с помощью СПК по разным показателям.:

  1. 5. Методы изучения потребления пищевых веществ и продуктов питания
  2. 16. Психологические методы работы с конфликтами разного типа.
  3. Резюме
  4. Оглавление
  5. ВВЕДЕНИЕ
  6. 1.3. Требования нормативных документов по контролю качества вод.
  7. 2.1. Концепция (методология) оперативного контроля экологического состояния водных объектов на основе судовых природоохранных комплексов (СПК).
  8. 2.2. Обоснование требований и разработка предложений по техническому облику и структуре принципиально нового средства автоматизированного оперативного экологического контроля - СПК. Базовый состав СПК.
  9. Средства визуального наблюдения.
  10. 3.1. Обобщенная схема обработки информации в СПК.
  11. Алгоритмы обработки информации канала ультразвукового зондирования толщи воды (УЗК) и оптического локатора поверхности воды.
  12. 3.9. Методические основы построения распределения характеристик состава и свойств воды по площади акватории по данным измерений с помощью СПК.
  13. 3.10 Метод разграничения поверхностных вод разного происхождения и выделения аномальных зон по совокупности результатов измерений, полученных с помощью СПК по разным показателям.
  14. 4.1, Методы использования СПК и их отличительных особенностей при решении природоохранных задач.
  15. 4.4. Экологический мониторинг внутренних и морских водных объектов с применением СПК.
  16. 4.5. Анализ результатов практического использования предложенных методов обработки и представления многопараметрической информации СПК.
  17. ЛИТЕРАТУРА
  18. ВВЕДЕНИЕ
- Акушерство и гинекология - Анатомия - Андрология - Биология - Болезни уха, горла и носа - Валеология - Ветеринария - Внутренние болезни - Военно-полевая медицина - Восстановительная медицина - Гастроэнтерология и гепатология - Гематология - Геронтология, гериатрия - Гигиена и санэпидконтроль - Дерматология - Диетология - Здравоохранение - Иммунология и аллергология - Интенсивная терапия, анестезиология и реанимация - Инфекционные заболевания - Информационные технологии в медицине - История медицины - Кардиология - Клинические методы диагностики - Кожные и венерические болезни - Комплементарная медицина - Лучевая диагностика, лучевая терапия - Маммология - Медицина катастроф - Медицинская паразитология - Медицинская этика - Медицинские приборы - Медицинское право - Наследственные болезни - Неврология и нейрохирургия - Нефрология - Онкология - Организация системы здравоохранения - Оториноларингология - Офтальмология - Патофизиология - Педиатрия - Приборы медицинского назначения - Психиатрия - Психология - Пульмонология - Стоматология - Судебная медицина - Токсикология - Травматология - Фармакология и фармацевтика - Физиология - Фтизиатрия - Хирургия - Эмбриология и гистология - Эпидемиология -